グーグルのAIは、写真から何を読み取っているのか

ソフトウェアエンジニアのヴィシュヌ・モハンダスは、グーグルが米軍のドローン映像を分析する人工知能（AI）の開発を一時的に支援していたという事実を知り、同社と完全に縁を切ることを決意した。

2020年、彼はGoogle アシスタントの開発の仕事を辞め、さらにGoogle フォトに写真をバックアップするのも止めた。たとえ米国防総省のプロジェクトと直接関係のないものだとしても、自分のコンテンツがAIの学習データとして使われる可能性を懸念したのだ。これがもたらす結果に自分は一切関与できない、とモハンダスは考えた。「それならば、もっと責任ある行動をとるべきではないか、と思ったのです」

プログラミングを独学で習得したモハンダスは現在、インドのベンガルールを拠点に活動している。そこで彼はGoogle フォトの代わりとなる、オープンソースかつエンドツーエンドで暗号化された写真の保存・共有サービスを開発することを決めた。それは「よりプライバシーが守られ、健全で、信頼できる」サービスだとモハンダスは話す。

この有料サービス「Ente」は収益を上げており、10万人以上のユーザーがいるとモハンダスは語る。ユーザーの多くはすでにプライバシーを重視している人たちだ。だが、モハンダスはGoogle フォトがいかに便利であっても、利用を見直すべき理由を幅広い層に伝えることに苦戦していた。

そんななか、5月のある週末にEnteのインターン生があるアイデアを思いつく。それはグーグルのAIモデルが画像を分析して何を学習しているかを人々に示すというものだった。そして先月、Enteは「They see your photos( https://Theyseeyourphotos.com)」というウェブサイトを立ち上げるに至った。このウェブサイトはグーグルの技術を使って、グーグルに対抗する同社のマーケティング施策である。

写真を詳しく解析

ユーザーがThey see your photosにアップロードした写真は、Google Cloudが提供しているコンピュータビジョンのプログラムに送信される。するとそのプログラムは、画像について3段落程の驚くほど詳細な説明文を生成するのだ（Enteは、アップロードされた画像の細部まで詳細に説明するようAIモデルに指示している）。

モハンダスが最初にアップロードした写真は、インドネシアの寺院の前で妻と娘と一緒に撮った自撮り写真だった。グーグルは非常に細かい部分まで解析し、妻が身に着けていた「Casio F-91W」という時計のモデル名まで記載していた。

だが、AIは奇妙な説明もしてきたと、モハンダスは語る。Casio F-91Wはイスラム過激派と関連付けられることが多いと、AIは指摘したのだ。「不気味さを残しつつも、もう少し健全な内容になるよう、指示を調整する必要がありました」とモハンダスは語る。そして短く客観的で、不穏な要素を含まない出力を求めるよう指示を変更した。

その結果、They see your photosに同じ家族写真をアップロードすると、寺院の名前や「部分的に曇りがかった空と豊かな緑に囲まれている」といった一般的な結果が出力されるようになった。とはいえ、AIは依然として、モハンダスの家族に関していくつかの推測を含む回答を出力する。例えば、写っている全員が「揃って満ち足りた様子」を表していることや、「両親は南アジア系の祖先をもつ中産階級である可能性が高い」といった内容を含んでいるのだ。また、服装についても「観光に適した装い」と判断し、「女性の腕時計は午後2時ごろを示しており、画像のメタデータとも一致している」と説明している。

グーグルによる画像へのアクセスは阻めない

グーグルに問い合わせたが、同社の広報担当者であるコリン・スミスは、Enteのプロジェクトに直接コメントすることを差し控えた。スミスは『WIRED』にGoogle フォトのサポートページを案内した。そのページでは、同サービスにアップロードされたものは、写真の撮影場所や被写体の年齢の解析など、画像ライブラリの管理を支援する生成AIモデルの訓練にのみ使用されると説明していた。

グーグルは、Google フォトに保存されたコンテンツを第三者に販売したり、広告のために使用したりすることはないとしている。また、ユーザーはGoogle フォトの一部の解析機能を無効にすることができる。ただし、データはエンドツーエンドの暗号化が施されていないことから、グーグルによる画像へのアクセスを完全に阻むことはできない。

They see your photosを試したいけれど自分の写真をアップロードしたくない人のために、Enteは複数のストック画像を用意している。その1つを試したところ、グーグルのコンピュータビジョンは、例えば「G」の文字に見えるタトゥーや、子どもの手に施された葉のかたちをした一時的なタトゥーといった、画像の細部まで詳しく説明していた。

「重要なのは、これがたった1枚の写真であるという点です」とモハンダスは言う。モハンダスはこのウェブサイトをきっかけに人々が、グーグルやほかのAI企業がクラウド上にある数千枚の写真を同じように解析することで、どれほどの情報を抽出できるかについて、考えるようになることを期待している。

しかし、They see your photosを見てGoogle フォトからほかの画像保存サービスに乗り換えたいと思っても、それを滞りなく実行できるとは限らない。グーグルはファイルを分割したり圧縮したりすることで、ほかの写真共有サービスへの移行を難しくしているとモハンダスは説明する。

また、グーグルのAndroid用のアプリストアであるGoogle Playは、Enteのアプリを「価格設定の不透明さ」などを理由に何度もフラグ付けをしているが、これには根拠がないとモハンダスは語る。この点について、グーグルのスミスはフィードバックを歓迎しており、サービスを継続的に改善していると話している。

心理プロフィールが利用される懸念

モハンダスの母語であるマラヤーラム語で「わたしのもの」を意味するEnteに欠点がないわけではない。サービス規模が小さくオープンソースであることから、ファイル共有や検索といった機能にはまだ十分に洗練されていない部分がある。また、暗号化キーを兼ねているパスワードをユーザーが紛失したり忘れたりすると、写真のライブラリにアクセスできなくなる可能性がある。

自身の家族写真をEnteに安心してアップロードしていると、モハンダスは話す。そして同サービスはユーザーのデータを守るために、2つの独立した安全性の高いバックアップを用意していると説明する。しかし、写真を確実に保管することに関しては、グーグルのほうが何十年も先を進んでいる。

しかし、ある意味、それはモハンダスが懸念していることとも関連している。人類の視覚的な記録が将来的に、自分では予測も制御もできないかたちで利用される可能性を彼は危惧しているのだ。

「グーグルは、20年後も確実に存在し続ける企業だと思います」と彼は言う。今日撮影される娘の写真には、彼女がどんな人物で、何に喜び、何に悲しむのかが映し出されている。「このデータにアクセスできる人々は、数十年後に娘を操作する道具として、この情報を使うかもしれません」とモハンダスは警告する。「広告主や出会い系サイト、雇用主はもちろん、まだ存在していない新しい業界までもが、彼女の心理プロフィールを利用して何らかの利益を得ようとするでしょう」

一部の人にはこうした心配は杞憂にしか思えないことをモハンダスは認識している。それでも、彼は「未来がどうなるかはわからないし、慎重に行動するに越したことはありません。選択肢をもっておくことに損はないでしょう」と話している。

（Originally published on wired.com, translated by Nozomi Okuma, edited by Mamiko Nakano)

※『WIRED』による生成AIの関連記事はこちら。

「Google レンズ」、ビジュアル検索の進化でより複雑な質問にも回答

2017年に登場したGoogle レンズは現在、月に200億件のビジュアル検索を処理している。今後ショッピング機能を強化し、動画や音声などによる検索方法に対応する。

ChatGPTの画像認識ツールは非常に革新的だが、プライバシーの懸念もある

OpenAIはChatGPTに向けて、新たに画像認識の機能を追加することを発表した。これはさまざまな分野に影響を及ぼす可能性のある高度な機能であると同時に、プライバシーに関する懸念もある。

今後、都市への人口集中はますます進み、2050年には、世界人口の約70％が都市で暮らしていると予想されている。「都市の未来」を考えることは、つまり「わたしたちの暮らしの未来」を考えることと同義なのだ。だからこそ、都市が直面する課題──気候変動に伴う災害の激甚化や文化の喪失、貧困や格差──に「いまこそ」向き合う必要がある。そして、課題に立ち向かうために重要なのが、自然本来の生成力を生かして都市を再生する「リジェネラティブ」 の視点だと『WIRED』日本版は考える。「100年に一度」とも称される大規模再開発が進む東京で、次代の「リジェネラティブ・シティ」の姿を描き出す、総力特集！ 詳細はこちら。